Moyenne Mobile Stochastique Volatilité Modèles Avec Application À Inflation Prévision

Modèles de volatilité stochastique moyenne mobile avec application à la prévision d'inflation Résumé: La moyenne mobile et la volatilité stochastique sont deux composantes importantes pour la modélisation et la prévision des séries chronologiques macroéconomiques et financières. La première vise à saisir la dynamique à court terme, tandis que la seconde permet la concentration de volatilité et la volatilité variable dans le temps. Nous introduisons une nouvelle classe de modèles qui inclut ces deux fonctionnalités utiles. Les nouveaux modèles permettent au processus moyen conditionnel d'avoir une forme d'espace d'état. En tant que tel, ce cadre général comprend une grande variété de spécifications populaires, y compris les composantes non observées et les modèles à paramètres variables dans le temps. En ayant un processus de moyenne mobile, cela signifie que les erreurs dans l'équation de mesure ne sont plus indépendantes en série et l'estimation devient plus difficile. Nous développons un simulateur postérieur qui s'appuie sur les progrès récents dans les algorithmes de précision pour estimer cette nouvelle classe de modèles. Dans une application empirique impliquant l'inflation aux États-Unis, nous constatons que ces modèles de volatilité stochastique moyenne mobile fournissent une meilleure performance de l'échantillon et une performance de prévision hors échantillon que les variantes standard avec seulement une volatilité stochastique. Référence d'exportation: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Ce site fait partie de RePEc et toutes les données affichées ici font partie de l'ensemble de données RePEc. Votre travail manque-t-il à RePEc Voici comment contribuer. Questions ou problèmes Consultez la FAQ d'EconPapers ou envoyez un courrier à. Nous avons introduit une nouvelle classe de modèles qui présente à la fois une volatilité stochastique et des erreurs de moyenne mobile, où la moyenne conditionnelle a une représentation de l'espace d'état. En revanche, la présence d'une composante moyenne mobile signifie que les erreurs dans l'équation de mesure ne sont plus indépendantes en série et que l'estimation devient plus difficile. Nous développons un simulateur postérieur qui s'appuie sur les récents progrès dans les algorithmes de précision pour l'estimation de ces nouveaux modèles. Dans une application empirique impliquant l'inflation américaine, nous constatons que ces modèles de volatilité stochastique moyenne mobile fournissent une meilleure performance de l'échantillon et une performance de prévision hors échantillon que les variantes standard avec seulement une volatilité stochastique. Référence d'exportation: BibTeX RIS (EndNote, ProCite, RefMan) HTMLText Journal d'Econometrics est actuellement édité par T. Amemiya. A. R. Gallant. J. F. Geweke. C. Hsiao et P. M. Robinson Plus d'articles dans Journal of Econometrics de Elsevier Series données conservées par Shamier, Wendy ().